MIRU2013 - 津田

津田です.

研究室ブログに学生が書き込むのはこれが一発目です. ちょっといい気分ですね.

さて, かれこれ 10 日程前の話ですが, 画像の認識・理解シンポジウム MIRU2013 に参加してきました. といっても発表したわけではなく, 今年はたまたま近くで開催されるから見に行こうってなわけで参加した次第です. 我らが中山先生は発表しました.

(左 : ポスター発表で説明中の中山先生. 後ろ姿ですが... 右 : 会場はこんな感じ.)

行ってみてどうだったかというと, 自分の研究とあまり関連のない分野の発表が多く, 分からないことが多かったというのが正直なところ. とはいっても, 発表が上手だと分野外でもある程度理解できたし, 逆もまた然りで, 自分が発表する機会があれば分かりやすい説明を心がけたいなと思いました.
自分の研究と関連のある分野の発表はある程度は理解出来たと思うし, たぶんいい刺激にもなりました. 夏休みの間, しっかりやろうと思います. はい.

来年は岡山で開催されるとのことです.
岡山といえばきびだんごのイメージしかなかったんですが, 調べてみると案外おいしそうなものがあるようで. 来年はぜひとも MIRU で発表して, 岡山のおいしいものを堪能したいもんです.

これで終わると小学生の感想文と何ら変わらないんで, 個人的に興味を持った発表を少し紹介します.

●Visual Material Recognition
西野 恒
基調講演. 画像の材質の認識. 画像内の反射係数をピクセルごとに求める. 局所特徴量は用いない. 形状, 反射係数, 光源状況の 3 つのうち 1 つが既知なら, 1 枚の画像から残りの 2 つを計算できる. 材質の違いから画像を領域分割したり. 人間の認識に即して考えられてるなあという印象. かなり本質をついてるような気がしました.

●ディープニューラルネットワークを用いた物体表面の光沢感認識
重川祐也, 岡谷貴之 (東北大)
オーラル. 画像の光沢感の認識. こちらは上とは異なり、局所特徴を使う. でも, 光沢感に適した局所特徴量を人手で作るのは難しいから, ニューラルネットを使って特徴を学習させる. ニューラルネットの層を増やすと, SIFT を用いた場合の精度を大きく上回ったらしい. 学習データは自分で作ったらしいが, いったいどれくらいの数あったのか気になるところ.

●Light Field Distortion Feature for Transparent Object Recognition
Kazuki Maeno, Hajime Nagahara, Atsushi Shimada, Rin-ichiro Taniguchi (Kyushu Univ.)
招待講演. ガラス等の透明な物体の認識. 透明物体の場合, 局所特徴量を用いて認識しようとしても背景の特徴が強く出るし, 背景の変化等によって特徴が大きく変化する. そこで, 透明物体による背景のゆがみから透明物体を認識する. 局所特徴量を用いた方法だと透明物体の認識は出来ないってのは盲点でした.

なんか質感の認識の話ばっかですね. よくある物体認識よりも, こういった話の方が新鮮に感じました.
ではまた.